买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长安大学申请的专利一种多尺度增强学习的跨模态图像匹配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116630660B 。

龙图腾网通过国家知识产权局官网在2025-10-10发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310490266.8，技术领域涉及：G06V10/75；该发明授权一种多尺度增强学习的跨模态图像匹配方法是由赵天慈;白雪;房建武;席江波;王洁设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本一种多尺度增强学习的跨模态图像匹配方法在说明书摘要公布了：本发明公开了一种多尺度增强学习的跨模态图像匹配方法，包括以下步骤：S1.在神经网络模型中输入基准图和实时图；S2.基于ResNet网络对所述基准图和实时图进行特征提取，将ResNet网络中的第2、3、4层特征通过区域推荐模块得到实时图特征在基准图特征中的相关区域；S3.通过Transformer特征融合模块对步骤S2中ResNet网络提取出来的特征进行融合；S4.将步骤S3中的融合特征输入到特征解码模块中，得到实时图在基准图中的位置；S5.输出步骤S4中得到的位置匹配结果。本发明所输入的不同模态的基准图和实时图，都能得到实时图在基准图中的准确位置，不论是SAR图像、可见光图像还是远红外图像都能够得到较好的匹配结果，与传统匹配方法相比，该方法潜力大、鲁棒性强、效率高。

本发明授权一种多尺度增强学习的跨模态图像匹配方法在权利要求书中公布了：1.一种多尺度增强学习的跨模态图像匹配方法，其特征在于，所述方法包括以下步骤： S1.在神经网络模型中输入基准图和实时图； S2.基于ResNet网络对所述基准图和实时图进行特征提取，并将ResNet网络中的第2、3、4层特征通过区域推荐模块得到第2、3、4层特征的三个尺度下的实时图特征在基准图特征中的相关区域； 基于ResNet网络得到实时图特征提取网络以及基准图特征提取网络，并将实时图特征提取网络以及基准图特征提取网络中的残差块特征提取出来，利用区域推荐模块进行互相关运算以得到实时图在基准图中的相关区域； 所述互相关运算的具体计算过程如下： 实时图特征表示为：第i个实时图残差块特征表示为： 基准图特征表示为：第i个基准图残差块特征表示为： 其中，B为训练数据的Batchsize大小，c为特征维度，hi、wi以及Hi、Wi为特征大小，并且hiHi，wiWi，H为输入基准图的高，W为输入基准图的宽，h为输入实时图的高，w为输入实时图的宽， 此时，相关性特征可表示为： 其中，i代表第i个残差块；代表卷积相关操作，包含卷积、BatchNormalization以及ReLU；符号*代表互相关运算； S3.通过Transformer特征融合模块对步骤S2中ResNet网络提取出来的特征进行融合； S4.将步骤S3中的融合特征和步骤S2中的相关性特征输入到特征解码模块中，得到实时图在基准图中的位置； S5.输出步骤S4中得到的位置匹配结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长安大学，其通讯地址为：710064 陕西省西安市碑林区南二环中段文艺路南口；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。